regex - 使用正则表达式从 pandas 数据框中提取元素

Question

来自以下数据框：

d = {'col1':['a-1524112-124', 'b-1515', 'c-584854', 'a-15154']}

df = pd.DataFrame.from_dict(d)

我的最终目标是提取熊猫系列中的字母 a、b 或 c（作为字符串）。为此，我正在使用模块中的.findall()方法re，如下所示：

# import the module
import re
# define the patterns
pat = 'a|b|c'

# extract the patterns from the elements in the specified column
df['col1'].str.findall(pat)

问题是输出，即每行中的字母 a、b 或 c，将出现在（单个元素的）列表中，如下所示：

Out[301]: 
0    [a]
1    [b]
2    [c]
3    [a]

虽然我想将字母 a、b 或 c 作为字符串，如下所示：

0    a
1    b
2    c
3    a

我知道如果我结合re.search()我.group()可以获得一个字符串，但如果我这样做：

df['col1'].str.search(pat).group()

我将收到以下错误消息：

AttributeError: 'StringMethods' object has no attribute 'search'

使用.str.split()不会完成这项工作，因为在我的原始数据框中，我想捕获可能包含分隔符的字符串（例如，我可能想要捕获a-b）

有谁知道一个简单的解决方案，也许避免迭代操作，如 for 循环或列表理解？

标签： regexpython-3.xpandasseries

Answer 1

将提取物与捕获组一起使用：

import pandas as pd

d = {'col1':['a-1524112-124', 'b-1515', 'c-584854', 'a-15154']}

df = pd.DataFrame.from_dict(d)

result = df['col1'].str.extract('(a|b|c)')

print(result)

输出

   0
0  a
1  b
2  c
3  a